OBJECTIF : Analyser la base de données
# Import des données
data <- readRDS("/home/solene_petito/Bureau/Stage/Broken_devices/data/data1.rds") # base de données sur laquelle on va appliquer tous les changements
Broken_Devices_Data <- read.csv("/home/solene_petito/Bureau/Stage/Broken_devices/data/Broken-Devices-Data1-xlsx.csv",row.names=1) # base de données initiale sur laquelle on pourra se référer pour voir si les chgts ont bien été appliqués
# nombre d'observations
nb_obs <- nrow(data) # 968
# nombre de variables
nb_var <- ncol(data) # 164
La question posée était : Pour quelles raisons continuez-vous à utiliser votre smartphone malgré les problèmes rencontrés ou qui subsistent ?
Les réponses possibles étaient :
1 : Cela serait trop coûteux de résoudre le(s) problème(s) ou de remplacer mon smartphone
2 : J’attends une opportunité
3 : Je ne peux pas résoudre le problème car le smartphone ne m’appartient pas
4 : Je ne sais pas comment résoudre le(s) problème(s)
5 : Je veux faire durer mon téléphone le plus longtemps possible
6 : Ce(s) problème(s) ne m’impacte(nt) pas tant que ça au quotidien
7 : Je n’ai pas pris le temps de m’en occuper, de chercher une solution
8 : Mon téléphone est trop récent pour que je le fasse réparer ou que je le remplace
9 : La résolution du (ou des) problème(s) est trop difficile ou incertaine
10 : Ça me donne un prétexte pour moins l’utiliser
11 : Cela ne vaut pas la peine de résoudre le(s) problème(s)
12 : Mon smartphone a une particularité difficile à retrouver si je devais le remplacer
13 : Autre
variable=data$RRAISON_UTIL_PB_FORM
nb_de_modalites <- 14
mat=Count_VCM(variable,nb_de_modalites)
print(mat)
## [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13] [,14]
## [1,] 1 2 3 4 5 6 7 8 9 10 11 12 13 14
## [2,] 55 31 3 16 85 65 35 26 8 4 32 5 5 782
print(nrow(data[which(data$RRAISON_UTIL_PB_FORM!="14"),]))
## [1] 186
Categorie <- factor(label_RIDENTIFICATION_PROBLEME[6:11], levels = label_RIDENTIFICATION_PROBLEME[6:11])
# Création du dataframe combiné
df_combined <- data.frame(Categorie = Categorie, valeurs = matrice[1,6:11], Impact = label_IMPACT[1])
for (i in 1:nrow(matrice)) {
df_T1 <- data.frame(Categorie = Categorie, valeurs = matrice[i,6:11], Impact = label_IMPACT[i])
df_combined <- rbind(df_combined, df_T1)
}
# Génération du graphique
p <- ggplot(df_combined, aes(x = Categorie, y = valeurs, fill = as.factor(Impact))) +
geom_bar(stat = "identity", position = "stack") +
labs(title = "Impact du dysfonctionnement",
x = "Dysfonctionnements",
y = "Nombre de personnes ") +
scale_fill_viridis_d(name = "Impact") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold", colour = "turquoise4"),
axis.title.x = element_text(face = "bold", colour = "turquoise4"),
axis.text.x = element_text(angle = 45, hjust = 1, vjust = 1),
axis.title.y = element_text(face = "bold", colour = "turquoise4"))
# Conversion du graphique en graphique interactif
p_interactif <- ggplotly(p)
# Affichage du graphique interactif
p_interactif
Categorie <- factor(label_RIDENTIFICATION_PROBLEME[12:17], levels = label_RIDENTIFICATION_PROBLEME[12:17])
# Création du dataframe combiné
df_combined <- data.frame(Categorie = Categorie, valeurs = matrice[1,12:17], Impact = label_IMPACT[1])
for (i in 1:nrow(matrice)) {
df_T1 <- data.frame(Categorie = Categorie, valeurs = matrice[i,12:17], Impact = label_IMPACT[i])
df_combined <- rbind(df_combined, df_T1)
}
# Génération du graphique
p <- ggplot(df_combined, aes(x = Categorie, y = valeurs, fill = as.factor(Impact))) +
geom_bar(stat = "identity", position = "stack") +
labs(title = "Impact du dysfonctionnement",
x = "Dysfonctionnements",
y = "Nombre de personnes ") +
scale_fill_viridis_d(name = "Impact") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold", colour = "turquoise4"),
axis.title.x = element_text(face = "bold", colour = "turquoise4"),
axis.text.x = element_text(angle = 45, hjust = 1, vjust = 1),
axis.title.y = element_text(face = "bold", colour = "turquoise4"))
# Conversion du graphique en graphique interactif
p_interactif <- ggplotly(p)
# Affichage du graphique interactif
p_interactif
Categorie <- factor(label_RIDENTIFICATION_PROBLEME[18:23], levels = label_RIDENTIFICATION_PROBLEME[18:23])
# Création du dataframe combiné
df_combined <- data.frame(Categorie = Categorie, valeurs = matrice[1,18:23], Impact = label_IMPACT[1])
for (i in 1:nrow(matrice)) {
df_T1 <- data.frame(Categorie = Categorie, valeurs = matrice[i,18:23], Impact = label_IMPACT[i])
df_combined <- rbind(df_combined, df_T1)
}
# Génération du graphique
p <- ggplot(df_combined, aes(x = Categorie, y = valeurs, fill = as.factor(Impact))) +
geom_bar(stat = "identity", position = "stack") +
labs(title = "Impact du dysfonctionnement",
x = "Dysfonctionnements",
y = "Nombre de personnes ") +
scale_fill_viridis_d(name = "Impact") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold", colour = "turquoise4"),
axis.title.x = element_text(face = "bold", colour = "turquoise4"),
axis.text.x = element_text(angle = 45, hjust = 1, vjust = 1),
axis.title.y = element_text(face = "bold", colour = "turquoise4"))
# Conversion du graphique en graphique interactif
p_interactif <- ggplotly(p)
# Affichage du graphique interactif
p_interactif
Categorie <- factor(label_RIDENTIFICATION_PROBLEME[24:25], levels = label_RIDENTIFICATION_PROBLEME[24:25])
# Création du dataframe combiné
df_combined <- data.frame(Categorie = Categorie, valeurs = matrice[1,24:25], Impact = label_IMPACT[1])
for (i in 1:nrow(matrice)) {
df_T1 <- data.frame(Categorie = Categorie, valeurs = matrice[i,24:25], Impact = label_IMPACT[i])
df_combined <- rbind(df_combined, df_T1)
}
# Génération du graphique
p <- ggplot(df_combined, aes(x = Categorie, y = valeurs, fill = as.factor(Impact))) +
geom_bar(stat = "identity", position = "stack") +
labs(title = "Impact du dysfonctionnement",
x = "Dysfonctionnements",
y = "Nombre de personnes ") +
scale_fill_viridis_d(name = "Impact") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold", colour = "turquoise4"),
axis.title.x = element_text(face = "bold", colour = "turquoise4"),
axis.text.x = element_text(angle = 45, hjust = 1, vjust = 1),
axis.title.y = element_text(face = "bold", colour = "turquoise4"))
# Conversion du graphique en graphique interactif
p_interactif <- ggplotly(p)
# Affichage du graphique interactif
p_interactif
indice_colonne <- which(names(data) == "GENE_PROBLEMES_A1")
print(indice_colonne) # 106
## [1] 31
indice_colonne <- which(names(data) == "REPARATION_A1")
print(indice_colonne) # 81
## [1] 81
indice_colonne <- which(names(data) == "GENE_PROBLEMES_A25")
print(indice_colonne) # 80
## [1] 55
indice_colonne <- which(names(data) == "REPARATION_A25")
print(indice_colonne) #105
## [1] 105
81-31
## [1] 50